Resumo Técnico: Difusão de Anatomia-Doença Desentrelaçada (DADD) para Síntese Controlada da Progressão da Colite Ulcerativa

1. Declaração do Problema

A síntese de imagens médicas longitudinais em estágios de doença controláveis é dificultada pelo entrelaçamento de características anatômicas específicas do paciente e texturas patológicas. No contexto da Colite Ulcerativa (CU), a gravidade da doença segue uma progressão ordinal contínua definida pela Pontuação Endoscópica de Mayo (MES), variando de 0 (normal) a 3 (severa). Conjuntos de dados existentes, como o LIMUC, sofrem de desequilíbrio de classes severo e falta de acompanhamento longitudinal devido à natureza invasiva de endoscopias repetidas.

As abordagens generativas atuais enfrentam um "gargalo de entrelaçamento" crítico. Métodos que condicionam a geração a imagens de referência (por exemplo, IP-Adapter usando codificadores CLIP) inevitavelmente incorporam a patologia da doença de origem na representação anatômica. Ao tentar sintetizar uma progressão contrafactual (por exemplo, alterar uma imagem de origem de MES 3 para MES 0), o modelo recebe sinais conflitantes: deve preservar a estrutura anatômica enquanto, simultaneamente, apaga a patologia de origem e gera um novo nível de gravidade. Esse conflito semântico frequentemente leva a artefatos estruturais ou à falha em remover características de doença existentes.

2. Metodologia

O framework proposto, Difusão de Anatomia-Doença Desentrelaçada (DADD), aborda isso separando explicitamente a identidade anatômica da gravidade da doença dentro de um modelo de difusão latente. A arquitetura integra três componentes inovadores em uma base padrão do Stable Diffusion:

2.1. Incorporador Ordinal Aditivo (AOE)

Para modelar a natureza contínua da MES, o framework emprega um AOE que representa a gravidade como uma soma cumulativa de incrementos aprendíveis. Um nível MES mais alto inclui todas as características dos níveis inferiores mais patologia adicional. Isso permite a geração de níveis de gravidade intermediários arbitrários via interpolação contínua.

2.2. Purificador de Características

Para resolver o entrelaçamento entre anatomia e doença de origem, é introduzido um Purificador de Características. Este módulo opera em três etapas:

1. Identificação: Uma camada de atenção cruzada consulta os tokens da imagem contra a incorporação de doença de origem (derivada do rótulo MES de origem) para identificar canais correlacionados à doença.
2. Portão (Gating): Um MLP de portão gera uma máscara sigmoide para controlar a supressão dessas características identificadas.
3. Apagamento: Uma subtração residual com portão remove o componente da doença dos tokens da imagem, resultando em tokens de anatomia "purificados" ($e_{clean}$) que retêm a identidade estrutural, mas carecem da patologia de origem.

2.3. Atenção Cruzada de Triplo Caminho

Em vez de concatenar todos os tokens de condicionamento, o DADD utiliza um mecanismo de injeção dividida com três caminhos distintos injetados no U-Net:

• Caminho Anatômico: Processa os tokens de anatomia purificados ($e_{clean}$) usando projeções pré-treinadas para preservar a reconstrução estrutural.
• Caminho da Doença: Processa os tokens de doença alvo ($e_{aoe}^t$) usando projeções separadas e sem viés.
• Caminho Delta: Processa a mudança direcional de gravidade ($\Delta$) derivada da diferença entre as incorporações alvo e de origem.

Roteamento Consciente de Frequência: O framework emprega portas de roteamento dependentes da resolução ($g_a, g_d$) para ponderar a contribuição da anatomia versus a doença em diferentes profundidades do U-Net. Blocos de baixa resolução (capturando estrutura global) são ponderados fortemente em direção à anatomia, enquanto blocos de alta resolução (capturando textura fina) são ponderados em direção à doença. Isso garante que as edições de doença sejam confinadas a texturas patológicas de granulação fina sem perturbar a estrutura mucosa global.

2.4. Direcionamento Delta

Para permitir controle preciso sobre transições de doença sem o custo computacional do Guia Livre de Classificador (CFG), os autores introduzem o Direcionamento Delta. Este é um sinal direcional de passagem única, livre de treinamento, derivado da diferença projetada entre incorporações ordinais alvo e de origem.

• Mecanismo: $\Delta = \text{proj}(E[y_t]) - \text{proj}(E[y_s])$.
• Operação: Durante a inferência, $\Delta$ é processado através das projeções de doença sem viés para injetar um sinal com sinal e proporcional à magnitude no mecanismo de atenção.
• Benefício: Isso elimina a necessidade de passagens forward incondicionais, reduzindo a latência de inferência em aproximadamente 2× comparado ao CFG padrão.

3. Contribuições Principais

• Desentrelaçamento via Apagamento: Um Purificador de Características baseado em atenção cruzada que identifica e suprime dinamicamente canais correlacionados à doença dos tokens de imagem, desentrelaçando efetivamente a anatomia da patologia.
• Injeção Consciente de Frequência: Um mecanismo de Atenção Cruzada de Triplo Caminho com portas de roteamento fixas que direciona sinais anatômicos e patológicos para camadas apropriadas do U-Net com base na hierarquia de resolução.
• Direcionamento Delta: Um mecanismo de controle inovador de passagem única para progressão monótona de doença que fornece controle com sinal e proporcional à magnitude, oferecendo uma alternativa mais eficiente ao CFG.
• Aumento Direcionado: Uma demonstração empírica de que sintetizar dados longitudinais específicos do sujeito reequilibra efetivamente distribuições de classes distorcidas, melhorando o desempenho de classificação a jusante.

4. Resultados Experimentais

O framework foi validado no conjunto de dados LIMUC (10.284 imagens) usando Stable Diffusion v1.4.

• Qualidade de Geração: Enquanto algumas variantes (DADD-I, DADD-U) alcançaram pontuações de Distância de Inception de Fréchet (FID) mais baixas, elas falharam em produzir características patológicas discriminativas, resultando em desempenho próximo ao aleatório em tarefas a jusante. A configuração de Roteamento Hierárquico (DADD-H), que alinha a injeção de doença com camadas de alta resolução, alcançou o melhor equilíbrio.
• Classificação a Jusante: O DADD-H melhorou significativamente a precisão de classificação e o Kappa Ponderado Quadrático (QWK) em comparação com as linhas de base. Em um cenário de treinamento "Apenas Sintético" (sem dados reais), o DADD-H alcançou 61,68% de precisão e 70,74 QWK, superando a linha de base IP-AOE (54,54% / 42,20 QWK).
• Fidelidade de Gravidade: Um Juiz de Regressão treinado em dados reais avaliou as saídas sintéticas. O DADD-H alcançou 81,53 QWK e 0,46 RMSE, correspondendo de perto ao desempenho de modelos treinados em dados reais (83,28 QWK / 0,47 RMSE). Isso confirma que o modelo transforma genuinamente a patologia em vez de replicar a origem.
• Velocidade de Inferência: As variantes DADD alcançaram aproximadamente um aceleramento de 2× sobre as linhas de base baseadas em CFG (por exemplo, 187,3 ms/imagem vs. 314,6 ms/imagem com tamanho de lote 8) devido ao mecanismo de direcionamento delta de passagem única.
• Análise Qualitativa: Comparações visuais mostraram que o DADD-H apagou com sucesso texturas patológicas existentes ao sintetizar níveis de gravidade mais baixos (por exemplo, MES 3 $\to$ 0), enquanto as linhas de base IP-Adapter falharam em remover a doença de origem, resultando em gerações entrelaçadas.

5. Significado e Alegações

O artigo afirma que o DADD fornece um framework robusto para sintetizar imagens médicas longitudinais onde a anatomia específica do paciente é preservada enquanto a gravidade da doença é modulada de forma controlável. Os autores enfatizam que:

1. Semelhança distribucional (FID) é insuficiente para validar a síntese de progressão condicional; modelos com baixo FID podem falhar em alterar a patologia de forma significativa.
2. O desentrelaçamento é crítico: Apagar explicitamente informações de doença de origem da incorporação anatômica é necessário para evitar conflitos semânticos durante a geração contrafactual.
3. Eficiência: O mecanismo de direcionamento delta oferece uma alternativa computacionalmente eficiente ao CFG, tornando a síntese controlável mais prática para aplicações clínicas.
4. Utilidade Clínica: A capacidade de gerar dados longitudinais balanceados e específicos do sujeito aborda diretamente o desequilíbrio de classes endêmico em conjuntos de dados médicos, melhorando o treinamento de classificadores diagnósticos a jusante.

Os autores observam que o desempenho permanece sensível à escala de direção ($\lambda_{steer}$), com valores $\ge 5$ introduzindo artefatos estruturais, e sugerem trabalho futuro sobre cronogramas de direção por classe e extensão para outras modalidades médicas longitudinais.